AI 博士生存指南：在 LLM 时代如何拿下博士学位

读博很难。2026 年读博——当领域进展快到你的委员会都读不过来时——是另一种难。AI PhD Survival Guide 是一本手册，教你如何在 AI 或机器学习博士研究中活下来并毕业，既不会燃烧殆尽，也不至于掉队。

作者：Koutian Wu；GitHub: ktwu01

问题所在

眼下，有三件事让 AI 博士特别伤人：

1. 速度。 六个月前的一份前沿论文，现在可能已经过时了。
2. 算力不对称。 产业实验室拥有的 GPU，是你无法匹敌的。
3. 身份漂移。 当领域在开题之后已经把问题重新框定了两次时，很难再去捍卫一篇论文。

这本指南讲的是如何在面对这三件事时，不迷失主线。

它涵盖什么

• 选择一个能在未来两年的模型进展中存活下来的论文课题。
• 挑选你用学术算力真正打得赢的仗。
• 当每周有 200 篇论文出现在 arXiv 上时的阅读策略。
• 与产业实验室合作 —— 协作、实习与署名。
• 心理健康 —— 那个没人写进培养方案的部分。
• “AI 博士”的职业市场 —— 学术界 vs 工业界 vs 两者之间。
• 毕业 —— 真正答辩和拿到学位这件并不光鲜的活儿。
• 身份 —— 做一名研究者，而不是一个炒作周期的评论员。

阅读它

仓库：github.com/ktwu01/AI-phd-survival-guide。

这些内容适合谁

• 仍在挑选方向的一、二年级 AI/ML 博士生。
• 原本的课题已被前沿模型甩在身后的在读博士生。
• 试图毕业、却又不想过冲成”再多来一篇论文”的博士高年级学生。
• 正在考虑读 AI 博士、想要一份坦诚预告的硕士生。

一则说明

在快速变化的领域里读完博的诚实秘诀，不是拥有更多算力，也不是更聪明。而是能够在周围世界不断变化的同时，把同一个定义清晰、可辩护的贡献写进论文。这本指南试着把这门技能讲透彻。

参与贡献

如果你最近刚拿到 AI 博士学位，并有一条指南应当反映的建议，欢迎在 github.com/ktwu01/AI-phd-survival-guide 提交 issue 或 PR。

读博不是与领域赛跑。它是一份与自己的契约：去完成一份单一的、可辩护的工作。除此之外，皆为噪音。